NumPy Array Uguale
-
Controllo dell’uguaglianza degli array NumPy con l’operatore
==
in Python -
Controllo dell’uguaglianza degli array NumPy con la funzione
numpy.array_equal()
-
Controllo dell’uguaglianza degli array NumPy con la funzione
numpy.array_equiv()
in Python -
NumPy uguale con la funzione
numpy.allcloses()
in Python
Questo articolo introdurrà i metodi per eseguire il confronto di uguaglianza per elemento su array NumPy in Python.
Controllo dell’uguaglianza degli array NumPy con l’operatore ==
in Python
L’operatore di confronto di uguaglianza ==
viene utilizzato per verificare se due quantità sono uguali o meno. L’operatore ==
restituisce True
se le quantità sono uguali e False
se le quantità non sono uguali. Possiamo usare l’operatore ==
insieme alla funzione all()
per verificare se tutti gli elementi dei due array sono uguali o meno. Il seguente esempio di codice ci mostra come possiamo confrontare a livello di elemento due array per l’uguaglianza con l’operatore ==
in Python.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print((array1 == array2).all())
Produzione:
True
Nel codice sopra, abbiamo confrontato per elemento gli array array1
e array2
per l’uguaglianza con l’operatore ==
e la funzione all()
. Per prima cosa abbiamo creato gli array array1
e array2
con la funzione np.array()
. Abbiamo quindi utilizzato l’operatore ==
con la funzione all()
per verificare se tutti i valori all’interno di array1
sono uguali ai valori all’interno di array2
. Questo approccio è molto efficiente e facile da capire, ma ci sono alcuni svantaggi nell’usare questo approccio. Ad esempio, se uno degli array è vuoto e il secondo array contiene solo un elemento, questo approccio restituirà un valore True
. Un altro problema è che se entrambi gli array hanno forme diverse, questo approccio ci darà un errore.
Controllo dell’uguaglianza degli array NumPy con la funzione numpy.array_equal()
Un modo più completo e privo di errori per raggiungere lo stesso obiettivo dell’approccio precedente consiste nell’utilizzare la funzione numpy.array_equal()
. La funzione numpy.array_equal()
confronta due array per l’uguaglianza. La funzione numpy.array_equal()
restituisce True
se gli array sono uguali e False
se gli array non sono uguali. Il seguente esempio di codice ci mostra come possiamo confrontare a livello di elemento due array per l’uguaglianza con la funzione numpy.array_equal()
.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print(np.array_equal(array1, array2))
Produzione:
True
Nel codice sopra, abbiamo usato la funzione np.array_equal()
per verificare se tutti i valori all’interno di array1
sono uguali ai valori all’interno di array2
.
Controllo dell’uguaglianza degli array NumPy con la funzione numpy.array_equiv()
in Python
La funzione numpy.array_equiv()
può essere utilizzata anche per verificare se due array sono uguali o meno in Python. La funzione numpy.array_equiv()
restituisce True
se entrambi gli array hanno la stessa forma e tutti gli elementi sono uguali, altrimenti restituisce False
.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([0, 2, 3, 4, 5])
print(np.array_equiv(array1, array2))
Produzione:
False
Nel codice sopra, abbiamo usato la funzione np.array_equiv()
per verificare se array1
è uguale a array2
.
NumPy uguale con la funzione numpy.allcloses()
in Python
La funzione numpy.allclose()
può essere utilizzata anche per verificare se due array sono uguali o meno in termini di elementi in Python. La funzione numpy.allclose()
restituisce True
se tutti gli elementi all’interno di entrambi gli array sono uguali entro una tolleranza specificata.
import numpy as np
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([1, 2, 3, 4, 5])
print(np.allclose(array1, array2))
Produzione:
False
Nel codice sopra, abbiamo usato la funzione np.allclose()
per verificare se array1
è uguale a array2
.
Maisam is a highly skilled and motivated Data Scientist. He has over 4 years of experience with Python programming language. He loves solving complex problems and sharing his results on the internet.
LinkedIn